目前对多AUV的协同导航研究大多数是在理想通信下的，即假设AUV之间水声通信是实时、可靠的，既无时延也无通信丢包。但是，在AUV实际航行过程中，由于水下环境的不确定性和复杂性，AUV之间的水声通信受到内部和外部等多种因素的影响，使得水声通信信道变得不可行。因此，本论文以AUV为应用背景，研究通信受限下多艇协同导航的数据融合算法。　　首先，本论文首先基于多AUV运动学模型，提出基于联合分布状态信息滤波算法运用在多AUV协同导航通信理想条件下。该方法通过利用联合分布状态将关键历史保留在滤波过程中，避免了时间更新的复杂计算；同时将信息参数应用于联合分布状态中，利用联合分布信息参数的稀疏性，使滤波估计过程仅改变与自身状态相关信息来降低运算复杂度；再利用Cholesky矩阵分解的特殊性质，对信息参数进行恢复，得到物理意义更加明确的矩参数，使参数恢复只在局部变化，减少滤波运算，最后本论文对上述算法进行分散式设计，推导出了通信理想下基于联合分布状态信息滤波的分散式算法。　　本论文随后在通信理想下基于联合分布状态信息滤波的分散式算法基础上推导出通信受限下多艇协同导航数据融合方法。该方法首先在状态添加过程中，考虑通信时延影响，将联合分布状态信息参数扩维包含通信时延所涉及的关键历史信息，并将最新时刻状态变量添加到通信受限下该联合分布状态信息参数中；然后在量测更新过程中，针对通信的随机丢包，建立 Gillbert-Elliott模型来引入随机变量来判断最新时刻数据信息的丢失情况，将其代入数据融合过程中求取通信丢包下信息更新参数，同时考虑通信的时延效果，根据通信延迟时间和采样时间求得最新时刻量测信息真实到达的时刻，并将得最新时刻量测信息融合到真实信息达到时刻所对应的联合分布状态信息参数中，实现信息的无误差融合；最后在状态恢复过程中，设计利用三次对低维小范围矩阵的Cholesky分解来代替对高维大范围矩阵的 Cholesky分解，完成对信息参数的转化，求解最新时刻的状态估计值；针对信息矩阵对称但不正定而无法使用Cholesky分解进行状态恢复的情况，该算法将一种广义Cholesky分解应用到状态恢复中来解决信息矩阵对称但非正定的分解问题，增强算法的实用性，实现对算法的优化。　　最后，本论文对通信受限下多艇协同导航数据融合算法进行仿真和实验，并对仿真实验结果进行相应的分析，通过仿真结果验证了通信受限下多艇协同导航数据融合算法的正确性。